RPM e TPM per modello
In questa pagina
Aggiornamento 2 novembre 2026 — Imagine.
grok-imagine-image-qualityè stato rimosso il 2 novembre 2026: le sue richieste sono ora gestite da Imagine Image 2.0 (grok-imagine-image-2.0, $0.04 per immagine) in qualitàlow. Sostituisci l’identificatore nei tuoi esempi e imposta la qualità desiderata;grok-imagine-image(versione 1.0) non è interessato. Imagine Image 2.0 accetta fino a cinque immagini di riferimento e la qualitàauto, che ora è il valore predefinito.
Le due metriche di limitazione

L’API Grok non misura il tuo utilizzo con un singolo contatore, ma con due, che si attivano indipendentemente: RPM (richieste al minuto) e TPM (token al minuto). Puoi essere bloccato da uno pur essendo ben al di sotto del limite dell’altro. Punto cruciale per quanto segue: questi due contatori sono tracciati per modello, quindi i tuoi limiti su grok-4.5 non hanno alcun effetto su quelli di grok-4.3.
Questa distinzione non è un semplice dettaglio della documentazione. Determina come dimensionare la tua infrastruttura, come distribuire il carico e esattamente dove il tuo servizio inizierà a restituire errori durante un picco di traffico.
L’RPM limita il numero di chiamate
L’RPM conta le chiamate, indipendentemente dalle loro dimensioni: una richiesta da dieci token e una da centomila token pesano esattamente allo stesso modo. Le schede ufficiali dei modelli esprimono questo valore in richieste al secondo: 150 per grok-4.7 e grok-4.5 (9.000 al minuto), 37 per grok-4.3 (2.220 al minuto). Questo è sufficiente per un’applicazione conversazionale standard.
L’RPM diventa il collo di bottiglia non appena le tue richieste sono numerose e brevi. Una pipeline che classifica i ticket di supporto uno per uno, o estrae tre entità per frase in un corpus di documenti, esaurirà la sua quota di chiamate molto prima di avvicinarsi alla sua quota di token. In questo caso, la soluzione non è chiedere più RPM, ma raggruppare più elementi in un’unica chiamata.
Il TPM limita il volume elaborato
Il TPM somma i token di input e di output su un minuto scorrevole, con, secondo le schede ufficiali, 50 milioni di token al minuto per grok-4.7 e grok-4.5, e 10 milioni per grok-4.3. Il comportamento qui è esattamente l’inverso del caso precedente: poche chiamate, ma molto pesanti.
Prendi un servizio di analisi documentale che invia cartelle da 50.000 token ciascuna. Su grok-4.3, il limite di richieste autorizzerebbe 2.220 invii al minuto, ma il TPM si ferma a 200 documenti: 200 × 50.000 = 10 milioni. Saturi quindi a circa un undicesimo della tua capacità teorica in numero di chiamate, e nessuna impostazione di parallelismo ti permetterà di superare questo muro.
Limiti specifici per ogni modello
I limiti massimi non sono gli stessi a seconda della natura del modello chiamato, e devi conoscere questa scala prima di promettere una certa portata a un cliente.
| Categoria | Modelli | Limite (scheda ufficiale) |
|---|---|---|
| Testo | grok-4.7, grok-4.5 | 150 richieste/s, 50M TPM |
| Testo | grok-4.3 | 37 richieste/s, 10M TPM |
| Immagine | grok-imagine-image, grok-imagine-image-2.0 | 6 richieste/s |
| Video | grok-imagine-video, -1.5, -1.5-lite | 10 richieste/s |
Questi valori provengono dalle schede ufficiali dei modelli al 2 novembre 2026; i limiti effettivi del tuo team sono visualizzati nella console xAI.
Poiché i contatori sono indipendenti, saturare un modello non blocca gli altri. Se grok-4.5 restituisce errori 429, grok-4.3 continua ad accettare le tue richieste come se nulla fosse. Questa è una leva di portata spesso trascurata: invece di aspettare un aumento della quota, instrada i compiti semplici (classificazione, estrazione, breve riassunto) verso un modello meno sollecitato, riserva grok-4.5 per il ragionamento davvero complesso e lascia a flux l’orchestrazione di diversi sotto-agenti con grok-4.20-multi-agent-0309. La portata complessiva della tua piattaforma diventa allora la somma di diverse quote invece di una sola.
Monitorare il consumo senza header dedicati
L’API Grok non restituisce header nelle sue risposte che indicano quanto RPM o TPM ti rimane. In altre parole, nulla ti avviserà dell’avvicinamento al limite: l’unico modo per sapere a che punto sei è tenere la contabilità da solo, lato client.
Questo tracciamento si basa su tre elementi: un contatore di richieste al minuto per modello, un contatore di token alimentato dall’oggetto usage che ogni risposta contiene, e una soglia di allerta attivata intorno all’80% dei limiti. Quest’ultimo punto è il più importante: un allerta all’80% ti lascia il tempo di adattarti (distribuire il carico, smussare gli invii, attivare un upgrade di piano), mentre un allerta al 100% conferma solo l’incidente in corso.
Punti chiave
- I limiti sono misurati in RPM (richieste/minuto) e TPM (token/minuto)
- I modelli di testo offrono standardmente 1.800 RPM e 10M TPM
- Ogni modello ha i propri limiti indipendenti
- Distribuire il carico tra i modelli permette di moltiplicare la portata effettiva
- Implementa un tracciamento lato client per anticipare i limiti